Together AI 与 Pearl Research Labs 合作降低 AI 推理成本
Together AI 与 Pearl Research Labs 合作推出 Gemma-4-31B-it-pearl 推理端点，价格折扣超 25%，由 Pearl 加密货币收益对冲。Pearl Network 通过 Proof of Useful Work 在推理和训练过程中并行生成 ¶PRL 代币，降低 LLM 每 token 价格。
#开源生态
#开源生态
今日 8 条Together AIAI 评分2727
Berkeley AI Research精选AI 评分7373 自适应并行推理：高效推理扩展的新范式
伯克利研究团队综述了自适应并行推理（APR）范式，提出模型可自主决定何时分解任务、生成多少并行线程以及如何协调。APR 通过特殊控制标记在推理时动态分配串行与并行计算，相比固定并行和多数投票等方法能减少冗余并避免上下文膨胀。文中对比了 Multiverse 等修改推理引擎与 ThreadWeaver 等保持引擎不变的系统设计，并讨论了基于关键路径的并行效率奖励和当前开放问题。
推荐理由：原文梳理了自适应并行推理的范式与推理系统实现差异，读者可据此理解不同并行策略在延迟和准确率上的权衡。
Together AIAI 评分4242 在 HuggingFace 上部署和推理任意模型
summary_zh: 使用 Goose CLI Agent 配合 Together 的 dedicated containers skill，从 HuggingFace 拉取 Netflix 刚发布的 void-model，在单次会话内完成容器配置并部署到 Together DCI 基础设施，实现发布当天即可运行。
Google DeepMind精选AI 评分8282 AlphaEvolve：Gemini 驱动的编程智能体跨领域规模化影响
Google DeepMind 发布 AlphaEvolve，一款由 Gemini 驱动的编程智能体，用于设计高级算法并已在数学、计算机科学和 Google 基础设施中部署。
推荐理由：原文展示了 AlphaEvolve 在数学、量子物理、基础设施和商业场景中的具体提升，读者可据此评估它作为通用算法设计智能体的实际边界。
Together AIAI 评分4242 Together AI 高效推理基础设施研究
Together AI 在 NVIDIA GTC 2026 分享其生产级推理优化体系，涵盖 FlashAttention-4、ThunderKittens 及开源自适应推测解码系统 Aurora（最高加速 1.25x）。
Google ResearchAI 评分3838 Google Research 通过全球合作伙伴关系与开放资源推动科学影响
summary_zh: Google Research 强调开源软件与开放数据集是现代科学的驱动力，通过与 UCSC Genomics Institute、Janelia、ISTA、CSIRO、AIIMS 及 Human Pangenome Research Consortium 等机构合作推动科学进步。
Together AIAI 评分3232 Together AI 与 Adaption 合作，将 Together Fine-Tuning 集成至 Adaptive Data
Together AI 与 Adaption 合作，让 Adaptive Data 用户可直接在 Adaption 平台优化数据集后执行 Together Fine-Tuning。
Google Research精选AI 评分6767 Google Research 科学家使用 Empirical Research Assistance 的四种方式
Google 发布 ERA 辅助科研的预印本，展示其在流行病学、宇宙学、气候与神经科学四个领域的应用。在流感、COVID-19 和 RSV 预测中，ERA 达到或接近 CDC 顶级预测水平；与 Gemini Deep Think 结合推导出宇宙弦引力辐射的统一公式；利用 GOES East 卫星数据以 10 分钟间隔反演柱平均 CO2；在斑马鱼神经回路中发现可泛化的机制性解。
推荐理由：四类科学场景展示了 ERA 与 LLM 协作解决开放问题的潜力，为 AI 辅助科研提供可迁移方法。
Together AI精选AI 评分6060 Together AI 在 Day 0 推出 NVIDIA Nemotron 3 Nano Omni
NVIDIA Nemotron 3 Nano Omni 现已上线 Together AI 平台，这是一款支持视频、图像、音频和语言的多模态开放模型。其 30B A3B MoE 架构每次激活约 3B 参数，支持最多 256K tokens 的共享多模态上下文，并在单一推理循环中完成跨模态推理。
推荐理由：单一模型统一多模态推理降低了多模型拼接的复杂度，对构建多模态智能体系统的开发者具有直接参考价值。
Mistral AIAI 评分5757 Mistral AI 发布 Workflows 企业 AI 编排层，进入公开预览
Mistral AI 发布 Workflows 进入公开预览，这是面向企业 AI 的编排层，基于 Temporal 引擎提供容错执行、可观测性与人工审批。开发者用 Python 编写工作流，通过 Le Chat 触发，Studio 记录全量执行轨迹；控制平面在 Mistral，Worker 部署在用户自有 Kubernetes 环境，支持云、本地或混合部署。
Together AIAI 评分3232 Capacity without conflict: AI 原生团队多租户 GPU 集群设计指南
summary_zh: 多租户 GPU 集群让多个团队共享同一硬件，通过硬配额、预订窗口和调度护栏实现租户隔离，防止跨团队资源争抢。平台需提供 pooled capacity、tenant isolation 和 self-serve access 三项核心能力，并支持按租户实际用量直接计费。
Sebastian RaschkaAI 评分4242 My Workflow for Understanding LLM Architectures
summary_zh: 作者分享理解 LLM 架构的工作流：先看官方技术报告，权重开源的模型则通过 Hugging Face Model Hub 的 config 文件和 Python transformers 参考实现来确认架构细节。
Google Research精选AI 评分6060 MoGen：基于点云流匹配的神经元形态生成以加速脑连接组重建
Google Research发布MoGen模型，通过点云流匹配生成合成神经元形态，用于训练PATHFINDER重建模型。加入10%合成数据后，鼠轴突重建错误率降低4.4%，主要减少合并错误，在全鼠脑规模上相当于节省157人年人工校对。MoGen及物种特异性模型已开源。
推荐理由：用合成神经元训练PATHFINDER，将重建错误率降低4.4%，在全鼠脑规模上相当于节省157人年校对工作。
Google DeepMind精选AI 评分8282 Gemma 4 发布：字节级对齐的最强开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，提供 Effective 2B、Effective 4B、26B MoE 与 31B Dense 四种规格，31B 在 Arena AI 文本榜位列全球第 3，26B 位列第 6。模型原生支持多模态、函数调用、128K–256K 上下文与 140+ 语言，并采用 Apache 2.0 许可证。
推荐理由：原文给出 Gemma 4 四种规格与 Arena 排名，读者可据此评估本地部署与边缘场景的可行性。
Together AIAI 评分4444 Together AI 内核团队如何用 FlashAttention 和 ThunderKittens 重塑 AI 基础设施
Together AI 的内核团队在 2022 年阵亡将士纪念日假期发布 FlashAttention，实现 2–3 倍加速。2025 年 3 月团队约 15 人，用一周时间基于 ThunderKittens 在 Blackwell 上开发出比 cuBLAS 快 2 倍的 FP4/FP8 GEMM 内核。团队采用学术与产业协同模式，成员来自 UCSD、普林斯顿、Caltech 等。
Together AI精选AI 评分6262 Together AI 扩展微调服务：支持工具调用、推理与视觉模型微调
Together AI 扩展 Together Fine-Tuning，原生支持工具调用、推理与视觉语言模型微调，并升级训练栈以支持 100B+ 参数模型、最高 6 倍吞吐提升和 100GB 数据集。
推荐理由：原文给出工具调用、推理与视觉模型微调的新支持，以及训练吞吐和数据集上限提升，读者可据此评估自身多轮工作流的迭代成本与可靠性改善空间。
Mistral AI精选AI 评分6969 Mistral AI 发布 Mistral Small 4
Mistral AI 发布 Mistral Small 4，统一推理、多模态与编码能力，Apache 2.0 开源许可。模型采用 MoE 架构，119B 总参数含 6B 激活参数，支持 256k 上下文，延迟优化下完成时间减少 40%、吞吐优化下每秒请求数提升 3 倍。来源：https://mistral.ai/news/mistral-small-4/
推荐理由：Mistral Small 4 将推理、多模态与编码能力整合进单一开源模型，用户无需在多个专用模型间切换即可处理复杂任务与文档分析。
Mistral AIAI 评分4242 Mistral AI 加入 NVIDIA Nemotron Coalition，携手加速开放前沿大模型研发
Mistral AI 作为创始成员加入 NVIDIA Nemotron Coalition，与 NVIDIA 共同开发前沿开源基础模型， Mistral Small 4 今日发布。
Mistral AIAI 评分5757 Leanstral 发布：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，首个面向 Lean 4 的开源代码智能体，在 FLTEval 基准上以 6B 参数超越多个更大开源模型。它通过 Mistral Vibe 集成、支持 MCP，提供免费 API 和 Apache 2.0 权重；pass@2 得分 26.3 仅需 $36，而 Sonnet 4.6 需 $549。
Google Research精选AI 评分7373 Groundsource：利用 Gemini 将新闻报道转化为洪水数据
Google Research 发布 Groundsource 方法，利用 Gemini 从全球新闻报道中提取洪水事件，构建了覆盖 150 多个国家、260 万条记录的开放数据集。方法结合 Google Read Aloud 和 Cloud Translation API 进行多语言文本提取与标准化，并通过 Gemini LLM 完成分类、时间推理和空间定位验证。
推荐理由：该方法将非结构化新闻转化为结构化灾害数据，为全球洪水预测提供了新的数据基线。
Mistral AIAI 评分4242 基于 Vibe 构建 Rails 测试代理：让代理自动编写开发者不愿写的测试
基于 Mistral 开源编码助手 Vibe 构建了一个自主代理，能自动读取 Rails 源文件并生成或改进 RSpec 测试，在 CI/CD 流水线中无人干预运行。通过 AGENTS.md 上下文工程和按文件类型分类的 SKILLS 文件，质量分数从 0.68 提升到 0.74。该代理并行处理多个文件，并自动管理 factories 和 fixtures 等共享上下文，避免测试遗漏。
Together AI精选AI 评分8080 Together AI 在 AI Native Conf 发布七项研究与产品更新
Together AI 在首届 AI Native Conf 发布七项更新，涵盖 FlashAttention-4、Together Megakernel、together.compile、Reinforcement Learning API、ThunderAgent、ATLAS-2 与 CPD。
推荐理由：七项发布覆盖内核、强化学习与推理优化，读者可据此评估 Together 在生产部署与训练加速上的最新能力边界。
Together AIAI 评分1515 Together AI 推出全新品牌视觉
summary_zh: Together AI 发布了全新品牌视觉，由 Pentagram 设计公司打造，表达开放、连接与共享规模的理念。新视觉围绕 AI 全生命周期整合开源创新、前沿系统研究与开发者体验。
Together AI精选AI 评分7171 LLM 在无提示约束下会生成什么：近无约束生成行为研究
Together AI 研究团队通过主题中性的开放种子提示（如 "Actually," "Let's think step by step," 或仅标点）移除 chat 模板与系统提示，研究 LLM 的近无约束生成行为。
推荐理由：在无主题提示下观察模型原始生成分布，揭示了各模型族稳定的语义偏好与退化模式，为审计和指纹识别提供了新视角。
Jeremy Howard · fast.aiAI 评分5050 Breaking the Spell of Vibe Coding
Vibe coding 指大量生成复杂 AI 代码且不打算让人阅读，已对科技行业产生类似赌博的"dark flow"效应。资深开发者 Armin Ronacher 描述自己两个月过度提示 Claude、浪费 token，建了很多最终未使用或无法正常工作的工具，称其为"agent psychosis"。
Sebastian RaschkaAI 评分5252 2025 年 LLM 现状：进展、问题与预测
Sebastian Raschka 回顾 2025 年大语言模型关键发展，指出 RLVR 与 GRPO 主导了后训练范式，推理模型在数学和代码领域已接近金牌水平，同时警告基准刷榜泡沫。他预测 2026 年 RLVR 将扩展至更多领域，推理时缩放和持续学习将更受关注，并认为私有数据与领域适配将成为下一阶段竞争焦点。
Sebastian RaschkaAI 评分1212 LLM Research Papers: The 2025 List (July to December)
Sebastian Raschka 整理了 2025 年 7 月至 12 月的 LLM 研究论文列表，涵盖推理模型、RLHF、推理时扩展、架构、高效训练、多模态与数据集等类别。该列表为其 Substack 付费订阅者的附加内容，正文仅浏览摘要、少数全文精读。原文未给出具体模型、参数、分数或速度倍数。
Sebastian RaschkaAI 评分7272 DeepSeek V3 到 V3.2：架构、稀疏注意力与 RL 更新
Sebastian Raschka 分析了 DeepSeek V3.2 的架构与训练更新，包括引入 DeepSeek Sparse Attention（DSA）提升长上下文效率、在 RLVR 基础上加入自验证与自精炼以改进数学推理，以及 GRPO 的多项稳定性改进。V3.2 保留与 V3 相同的 MoE+MLA 架构，并在推理任务上接近 GPT-5 与 Gemini 3.0 Pro 水平。
Mistral AI精选AI 评分8787 Mistral 3 发布：涵盖 Ministral 3 与 Mistral Large 3 的开源模型家族
Mistral 3 包含 Ministral 3（3B/8B/14B）与 Mistral Large 3（41B 活跃/675B 总参数稀疏 MoE），全部 Apache 2.0 开源。
推荐理由：Mistral 3 同时覆盖从边缘到数据中心的稠密与稀疏 MoE 模型，并给出 NVFP4 checkpoint 与多平台部署入口，读者可据此评估自托管与云端方案的成本与性能取舍。
Mistral AIAI 评分3838 Mistral AI 进军德国，与 SAP、Helsing 达成长期战略合作
Mistral AI 宣布与 SAP 合作打造完全主权 AI 栈，集成模型到 SAP AI Foundation 并共同开发行业解决方案；同时与 Helsing 加速开发视觉-语言-动作模型用于国防安全应用。Mistral 将扩大德国团队、近期开设德国办公室，践行让欧洲拥有并掌控 AI 的创始原则。
Sebastian RaschkaAI 评分4444 Beyond Standard LLMs：解码器 Transformer 之外的大模型架构替代方案
summary_zh: 文章梳理了近期出现的大语言模型非主流架构替代方案，包括文本扩散模型与线性注意力混合架构等。
Sebastian RaschkaAI 评分3838 从零开始理解与实现 Qwen3
summary_zh: Qwen3 是 2025 年最受欢迎的开权大模型家族之一，0.6B 到 480B MoE 多种规格，Apache 2.0 协议无额外限制。
Mistral AIAI 评分4343 Pixtral-12B 在卫星图像上的微调实践与效果
summary_zh: Pixtral-12B 经过 LoRA 微调后在卫星图像分类任务上显著优于基础模型，在 AID 数据集（8000 训练 / 2000 测试）上减少了基础模型的幻觉和模糊类别误判。
Mistral AI精选AI 评分6666 Mistral 发布 Codestral 25.08 及完整企业级编程栈
Mistral 发布 Codestral 25.08，并推出包含 Codestral Embed、Devstral 与 Mistral Code 插件的企业级编程栈，支持云、VPC 与本地部署。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Mistral AIAI 评分5858 Mistral AI 贡献全球 AI 环境标准：首次发布大模型全生命周期环境影响研究
Mistral AI 与 Carbone 4、ADEME 合作完成行业首个 LLM 全生命周期分析（LCA），并由 Resilio 和 Hubblo 同行评审，覆盖温室气体排放、水资源消耗与资源枯竭三类指标。
Mistral AIAI 评分3838 Mistral AI 推出 AI for Citizens 计划
Mistral AI 推出 AI for Citizens 计划，帮助各国政府与公共机构按本地需求部署 AI，改造公共服务。该计划已与法国、卢森堡、新加坡、荷兰、英格兰、瑞士等国的政府、国防部门、公共机构及教育机构合作。方案提供自托管、本地 AI 数据中心、SaaS 与 serverless API 等部署选择，并支持数据主权。
Mistral AI精选AI 评分7474 Mistral 发布首个推理模型 Magistral
Mistral AI 发布首个推理模型 Magistral，分开源的 Magistral Small（24B）与企业版 Magistral Medium；Magistral Medium 在 AIME2024 得分 73.6%，多数投票 @64 达 90%，Small 分别为 70.7% 与 83.3%。
推荐理由：Mistral 首次推出推理模型 Magistral，分开源与企业两个版本，读者可据此对比其推理能力与部署选择。
Mistral AI精选AI 评分6565 Devstral：Mistral AI 发布开源智能体编程模型
Devstral 是 Mistral AI 与 All Hands AI 合作开发的开源智能体编程模型，在 SWE-Bench Verified 上得分 46.8%，领先开源 SoTA 超过 6 个百分点。
推荐理由：Devstral以46.8%的SWE-Bench Verified成绩超越多数闭源模型，且可本地部署，读者可据此评估开源方案在真实软件工程任务中的可行性。
Mistral AI精选AI 评分6262 Mistral 发布 Mistral Medium 3
Mistral 发布 Mistral Medium 3，宣称以显著更低成本提供接近前沿大模型的性能。模型在编码与 STEM 任务上接近更大更慢的竞品，API 定价为输入 $0.4 / 输出 $2 每百万 token，可在四卡及以上自托管环境部署。
推荐理由：原文给出性能与成本对比，读者可据此判断它对现有开源大模型格局的影响。